AI冲击下的论文投稿困境

各位小伙伴，大家好！我是科研教育王书叔~

这是来研的第1460篇文章

小红书上有个帖子，最近在学术圈刷屏了。

发帖的是一个做机器视觉的高校老师，她写了一句话，“工作这一年，我收到的拒稿邮件，已经超过了硕博八年加起来的总和。”

这句话下面的回复，几乎清一色都是“感同身受”“一模一样”“我也是”。

我把那些回复从头看到尾，有一种很奇特的感觉，就是那种大家突然发现彼此都生活在同一场噩梦里，却谁也没有第一个开口的那种。

来研LAIY

我跟你说一下这个困境到底有多荒诞

她描述的那套方法，其实是这几年AI研究圈里很多人默默遵守的“规则”，选一个公开数据集，在已有网络架构上替换几个模块，做点结构改动，只要某个指标比原来高一点，跑完对比实验和消融实验，就能整理出一篇论文。

在过去，这套方法是有效的。

甚至可以说，它曾经就是很多实验室默认的论文生产流水线。

然后大模型来了。

这件事发生之后，有一个很多人忽视的连锁反应，那就是，以前需要相当技术积累才能完成的事情，现在被大幅度压缩了。代码可以辅助生成，实验可以快速迭代，论文文本可以更快速地组织出来，就连那个“找个公开数据集、搭个模型、跑几组实验”的全流程，对新手来说门槛都低了很多。

结果就是，同类型的工作，数量一下子涌上来了。

学术圈突然开始感受到一股潮水，但那不是AI助力科研的浪潮，而是同质化投稿的洪水。

来研LAIY

我去翻了一下顶会的数据，那个数字挺能说明问题的

来研LAIY

有意思的事情来了

这个局面本身，就是AI造成的，但解决这个局面的方式，也开始依赖AI了。

CVPR 2025招募了超过28000名程序委员会成员来应对投稿洪水。AAAI 2026把委员会规模扩大到了前一年的三倍，同时引入AI工具来辅助评审，包括用来检测审稿人合谋、AI生成审稿意见等异常行为。

ICLR 2025更是搞了个“评审反馈智能体”的实验，AI不直接写审稿意见，而是给审稿人提修改建议，让模糊的批评更具体，指出误解，提醒删掉不专业措辞，有26.6%的审稿人根据建议修改了评审内容。

作者用AI辅助写稿，编辑用AI辅助审稿，这个闭环已经在悄悄形成了。

还有一个更荒诞的情节，CVPR 2025爆出有审稿人直接用LLM生成评审意见，大会一查，19篇论文的审稿人被认定违规，那19个人自己投的稿，全部被拒，连带了合作者一起遭殃。

所以你现在的处境是这样的，你在用AI帮你写论文，审稿人在用AI帮他评审你的论文，大会在用AI来判断审稿人有没有用AI。

这个俄罗斯套娃，我一时间不知道该笑还是该沉默。

来研LAIY

回到那个帖子，我注意到一个挺有意思的分裂

这件事有两种完全不同的体感同时存在。

一种是，AI来了之后发论文反而变容易了，一个月跑出一两篇不是事，写了就投，而且还真能中。

另一种是，投了数十次，几乎没有accept，拒稿信比读书八年收到的还多。

同一个时代，同样在用工具，结果却是两个世界。

怎么理解这件事？

我觉得关键不在于AI能不能提速，而在于你做的那件事本身，值不值。

卷实验的时代，已经过去了。现在卷的是问题本身。期刊越来越看重那种“眼前一亮的新问题”，而不是在老问题上反复打磨出来的局部改进。

这背后有一个很残酷的逻辑，当AI把“做实验”这件事的成本大幅压低，实验本身就不再是护城河了。你能跑的实验，别人也能跑，甚至速度比你快。所以真正能成为稀缺的，只有那个“别人想不到或者拿不到”的东西。

我自己思考这件事的结论是，现在做科研真正的护城河就三样，数据、算力、圈子。

私有数据，你有真实场景、真实采集能力，别人复现不了你的工作。

算力，大机构随便跑你跑不起的规模实验。

圈子，认识编辑，有合作，消息灵通，进得了实验室层面的隐形门。

那个做机器视觉的老师被人问私有数据有多宝贵，她就回了一句，“非常非常非常宝贵”。我觉得这六个字重复出来，比任何分析都说得清楚。

这里我想多说一点，因为这个事情在中国的硕博生群体里有一个更特殊的压力。

发论文这件事，在很多学校的培养方案里，是和毕业挂钩的。你不是因为有科研成果才去投稿，而是因为你必须毕业，所以你必须发出来。

这两件事的出发点完全不同。

前者是科研本身的驱动，后者是制度性的压力。

AI把投稿成本降低这件事，对于那些“为了毕业而写论文”的人来说，其实是一个短暂的解放，但随着同类型工作的洪水一起涌来，期刊把关变严，最后受伤最深的，恰恰是最依赖这套“速成路径”的人。

我在想那种“以前只要写都能中”的感觉，现在对很多人来说已经消失了。

那个时代不是因为标准更宽松，是因为进入这个赛道的人少，筛选压力还没这么大。那不是一个特别健康的时代，它只是碰巧对那群人比较友好。

现在标准变了，不是变得更不公平了，是变得更真实了。

只是这个时机，对很多正在念书的人来说，实在不太好。

来研LAIY

最后，怎么办？

我没有一个漂亮的答案，我只有一些自己想清楚了的、感觉比较实在的方向。

第一个，往私有数据上靠。如果你有机会接触真实场景、真实企业、真实机构，能拿到别人拿不到的数据，那这件事的价值现在是被大幅低估的。别嫌麻烦，这个护城河比你以为的重要。

第二个，选新问题，而不是改老方法。期刊编辑现在越来越在乎的是，你的工作有没有带来一个值得研究的新问题，或者发现了一个以前没人注意到的现象。一个真正新鲜的问题，哪怕你的方法还不够完美，也比一个完美的方法用在一个被用烂的问题上，更有机会被接收。

第三个，接受AI是工具，不是替代品。我观察到一个规律，借助AI加速了从idea到完成全流程的人，发稿速度反而变快了，接受率也不低。但他们和那些被AI拖累的人，区别不在工具，在于那个idea是不是自己真正想清楚了的。AI很会执行，但想清楚问题这件事，它还做不到。

我自己最近反复在想的一句话是，idea才是AI时代最重要的，正确的idea才能顺利，否则随便给指令，一堆电子垃圾。

你的问题意识，是AI还拿不走的东西。

学弟学妹，大家好，我是来研王书叔

国内学术科研教育平台【来研】创始人，保过研，申过博，科研路上曾经淋过雨，现在想为他人撑把伞。

立志创立国内有温度且专业的学术论文辅导平台，目前我们已经走了7年，帮助数千名学员提升科研能力，产出核心成果。学弟学妹如果有关于【论文、保研、申博】的问题可以直接私信我免费咨询。此外，我们拥有1000+博士师资，全程陪伴式科研论文辅导，我们科研论文辅导最大的特点是口碑好，大部分学员都是来自老学员推荐。

我个人微信

朋友圈经常更新保研/申博认知、科研方法及干货

欢迎学弟学妹们添加

添加请备注来自公众号